Puhenäytteiden mittailusta puhekorpuksen perkuuseen: kalastelua mato-ongella ja verkoilla. Mietta Lennes FIN-CLARIN / Helsingin yliopisto

Transkriptio

1 Puhenäytteiden mittailusta puhekorpuksen perkuuseen: kalastelua mato-ongella ja verkoilla Mietta Lennes FIN-CLARIN / Helsingin yliopisto

2 Johdanto Kun puhetta ja kieltä tutkitaan kvantitatiivisesti, on tunnistettava kohde, jota tutkitaan, ne kohdetta koskevat muuttujat (piirteet, ominaisuudet, mittarit, suureet), joista ollaan kiinnostuneita. Yksinkertaistettuna: Millainen taulukko tarvitaan tutkimuskysymyksen selvittämiseksi? 2 / 24

3 Puheen annotaatio Puhuminen on jatkuvaa fyysistä toimintaa. Myös puheääni on pohjimmiltaan jatkuvaa. Puheäänestä ei ole suoraan erotettavissa yhtään ainutta tarkkarajaista yksikköä! 3 / 24

4 Puheen annotaatio Jotta äänite saadaan tutkimuskelpoiseksi, tarvitaan yleensä annotaatiota. Pelkkä ääninäytteen litteraatti (tekstinnös) ei yksinään kelpaa aineistoksi, koska se on näytteestä tehty tulkinta tai käännös. 4 / 24

5 Aineistot Spontaaneja dialogeja Äänitykset akustiikan laboratorion kaiuttomassa huoneessa tai ammattistudiossa 2 headset-mikrofonia puhujat muutaman metrin päässä toisistaan joko selin tai kasvokkain 5 / 24

6 Esimerkki annotaatiokerroksista Kielitieteen päivät Jyväskylässä / 24

7 7 / 24

8 Avataan matopurkki Aineistoa annotoidessaan tutkija joutuu kuuntelemaan näytettä tarkasti ja miettimään sen sisältöä. Esimerkiksi Praat-ohjelmassa voi samalla hyödyntää akustisia kuvauksia. Katkelmia voi poimia ja mittauksia tehdä tapauskohtaisesti käsin. Näin syntyy usein hyviä työhypoteeseja! Kielitieteen päivät Jyväskylässä / 24

9 Miten annotoidusta puheaineistosta saadaan dataa? Mitä dataa voidaan kerätä automaattisesti? Välineinä Praat-puheanalyysiohjelma ja eri tutkimuksia varten räätälöityjä Praat-skriptejä (ks. esim. SpeCT) 9 / 24

10 Pelkästä litteraatista voidaan esimerkiksi laskea sanamäärä tai kerätä sananmuotojen konteksteja <raja> se o se o houkutus o houkutus niinku houkutus niinku et niinku et <raja> jne. Kielitieteen päivät Jyväskylässä / 24

11 Äänen aikajanaan kohdistetusta puhunnoksesta voi mitata myös esim. keston tai tehdä koko puhunnosta koskevia akustisia mittauksia Kielitieteen päivät Jyväskylässä / 24

12 Kun saneetkin on rajattu erikseen, analyysi voidaan kohdistaa niihin: Kielitieteen päivät Jyväskylässä / 24

13 Mukana äännetason segmentointi: Kielitieteen päivät Jyväskylässä / 24

14 Mukana äännetason segmentointi: Kielitieteen päivät Jyväskylässä / 24

15 101 niinkun esiintymää (yksi naispuhuja, keskustelupuhe) Jatkokoulutusseminaari Helsingin yliopiston fonetiikan laitos 15 / 24

16 Transkription ongelmia Miten määritetään spontaanissa puheessa äänteiden rajat? (vrt. foneemit) sanojen rajat? (esim. junktuuri-ilmiöt, sanojen lyheneminen jne.) Kirjoitetun kielen aiheuttamat ennakkoasenteet vaikeuttavat litterointia ja transkriptiota: Millä perusteella merkitään äänteiden pituus, jos kyseistä sanaa ei yleensä kirjoiteta? 16 / 24

17 Mitä yhteistä on kaikilla niinkuesiintymillä? Niinkusta löydettiin neljä vaihetta: 1. Alveolaarinen nasaalikonsonantti (C1) Lennes, Alarotu & Vainio (2001) 2. Suppea tai puolisuppea nasaalistunut vokaali (V1) 3. Velaarinen nasaali ja/tai muu velaarinen konstriktio (C2) 4. Vokaalimainen, yleensä pyöreä ja ei-nasaalinen vaihe (V2) 17 / 24

18 Tokens (N=101) 0,000 0,200 0,400 Duration (s) C1 [n] V1 (front) C2 (velar) V2 (round) 18 / 24

19 Tokens (N=101) 0 % 20 % 40 % 60 % 80 % 100 % Proportion of consonants/vowels of total duration Consonants Vowels 19 / 24

20 0,500 0,400 Duration (s) 0,300 0,200 0, Place in utterance (% ) 20 / 24

21 Tietyn äänteen tutkiminen: Glottaaliklusiilit Kielitieteen päivät Jyväskylässä / 24

22 Density All glottal stops, N = 323 Non utterance initial, N = 229 Emphatic words, N = 75 Incomplete words, N = 64 Other between word cases, N = Duration of glottal stop (ms) Kielitieteen päivät Jyväskylässä / 24

23 Toki voidaan tutkia myös pelkkiä äänitteitä, litteraatista välittämättä. Esimerkiksi puheen sävelkorkeus miehillä ja naisilla, spontaanissa keskustelussa vs. ääneen luetussa puheessa: Kielitieteen päivät Jyväskylässä / 24

24 Hz Spontaneous Finnish Read aloud Finnish ST 24 / 24

25 Työkaluja Praat-puheanalyysiohjelma: SpeCT Speech Corpus Toolkit for Praat: 25 / 24

26 Lähteet Boersma, Paul & Weenink, David (2017). Praat: doing phonetics by computer [Computer program]. Version , retrieved 23 March 2017 from Lennes, Mietta. (2017). SpeCT - Speech Corpus Toolkit for Praat (v1.0.0). First release on GitHub [Software]. Zenodo. Lennes, M. (2009) Segmental features in spontaneous and read-aloud Finnish. In: de Silva, V. & Ullakonoja, R., eds., Phonetics of Russian and Finnish, Frankfurt am Main: Peter Lang. Lennes, M., Aho, E., Toivola, M. & Wahlberg, L. (2006) On the use of the glottal stop in Finnish conversational speech. The Phonetics Symposium Publications of the Department of Speech Sciences, University of Helsinki, 53, Lennes, M., Alarotu, N., & Vainio, M. (2001) Is the phonetic quality of unaccented words unpredictable? An example from spontaneous Finnish. Journal of the International Phonetic Association 31 (1), / 24